BofA: Las ganancias de productividad de IA son reales pero limitadas

Bank of America Global Research anunció el 23 de mayo de 2026 que las ganancias de productividad medibles de la inteligencia artificial son ahora visibles en funciones corporativas específicas. El análisis del banco sobre los datos de operaciones de clientes indica mejoras en la eficiencia del 15-25% en tareas como la codificación de software y el análisis de servicio al cliente. Estas ganancias permanecen aisladas a segmentos operativos estrechos y aún no han acelerado las estadísticas de productividad económica general. El informe se basa en datos patentados de la base de clientes corporativos del banco, que representan una instantánea directa de los cambios operativos.

Contexto — [por qué esto importa ahora]

La búsqueda de un auge de productividad impulsado por la IA ha sido una narrativa central del mercado desde el lanzamiento de modelos generativos avanzados como GPT-4 a principios de 2023. Históricamente, cambios tecnológicos importantes como la electrificación en la década de 1920 y la ola de PC/internet de la década de 1990 tardaron de 5 a 10 años antes de que su impacto fuera claramente visible en los datos de productividad nacional. El contexto macroeconómico actual presenta un crecimiento de productividad laboral persistentemente bajo, con un promedio de solo 1.1% anual durante los últimos cinco años, según los datos de la Oficina de Estadísticas Laborales hasta el primer trimestre de 2026.

El catalizador para la evaluación de BofA es la acumulación de más de 18 meses de datos internos granulares de clientes empresariales que están implementando activamente herramientas de IA en entornos de producción. Este conjunto de datos pasó de proyectos piloto a capturar un uso operativo sostenido. El desencadenante para publicar ahora fue la aparición de diferencias de rendimiento estadísticamente significativas entre equipos aumentados por IA y grupos de control dentro de unidades de negocio específicas, cruzando un umbral de confianza predefinido.

Datos — [lo que muestran los números]

Los datos de Bank of America muestran que los equipos de desarrollo de software que utilizan copilotos de IA completaron revisiones de código un 22% más rápido que los grupos de control. Las operaciones de análisis de servicio al cliente vieron una reducción del 19% en el tiempo para obtener información para generar informes de rendimiento semanales. Las ganancias más pronunciadas ocurrieron en la revisión de documentos legales, donde la identificación de cláusulas específicas se aceleró en un 25%. Estas cifras se basan en métricas de rendimiento anonimizadas de más de 500 unidades de negocio de clientes corporativos a nivel mundial.

Una comparación de las ganancias de eficiencia a nivel de tarea destaca la disparidad.

Categoría de Tarea	Ganancia Promedio de Eficiencia	Fuente de Datos
Revisión de Código de Software	22%	Datos de Operaciones de Clientes de BofA
Análisis de Servicio al Cliente	19%	Datos de Operaciones de Clientes de BofA
Revisión de Documentos Legales	25%	Datos de Operaciones de Clientes de BofA
Coordinación Interdepartamental	<5%	Datos de Operaciones de Clientes de BofA

Esto contrasta con la lectura de productividad laboral del sector empresarial no agrícola del primer trimestre de 2026 de +1.2% trimestre a trimestre, que permanece dentro de su rango histórico posterior a 2010. El sector de Tecnología de la Información del S&P 500 ha subido un 14% en lo que va del año, superando la ganancia del 8% del índice más amplio, en parte por la anticipación de que tales beneficios de productividad se materialicen.

Análisis — [lo que significa para los mercados / sectores / tickers]

El enfoque limitado de las ganancias crea ganadores claros en sectores y tickers. Los proveedores de software empresarial que ofrecen las herramientas habilitadoras, como Microsoft (MSFT) con su GitHub Copilot y la suite Azure AI, y Salesforce (CRM) con su plataforma Einstein AI, capturan ingresos directos. Las firmas de consultoría e implementación como Accenture (ACN) se benefician de la demanda de integración. Las empresas de semiconductores como NVIDIA (NVDA) que suministran el hardware subyacente ven un flujo de pedidos sostenido de la construcción de centros de datos empresariales.

Una limitación clave es que las ganancias medidas están confinadas a tareas específicas y aún no reflejan una mejora en la producción de funciones empresariales completas o en la rentabilidad corporativa. El argumento en contra es que las mejoras a nivel de tarea son los bloques de construcción necesarios para futuras ganancias a nivel de función y de economía, siguiendo las curvas históricas de adopción tecnológica. Los datos de posicionamiento muestran que el flujo institucional se ha concentrado en los segmentos de software y semiconductores del sector tecnológico durante el último trimestre, con fondos de cobertura tomando cada vez más posiciones largas en proveedores de infraestructura de IA en lugar de nombres de aplicaciones de pura explotación.

Perspectivas — [qué observar a continuación]

El próximo gran catalizador es la temporada de ganancias corporativas del segundo trimestre de 2026 que comienza a mediados de julio. Los comentarios y orientaciones de la dirección sobre la expansión de márgenes impulsada por la IA o la eficiencia del gasto de capital serán analizados. El próximo informe de Productividad y Costos de la Oficina de Estadísticas Laborales, programado para el 6 de agosto de 2026, proporcionará la lectura macroeconómica oficial. Los inversores deben monitorear cualquier revisión al alza de los datos de productividad histórica, lo que señalaría una tendencia más amplia.

Los niveles clave a observar incluyen el rendimiento del Tesoro a 10 años, que se cotizaba al 4.18% en la fecha del informe. Un movimiento sostenido por encima del 4.25% podría reflejar una creciente convicción del mercado en un camino de mayor crecimiento impulsado por la productividad. Para el sector tecnológico, la relación entre el índice Nasdaq-100 y el índice Russell 2000 de pequeñas capitalizaciones, actualmente en 0.85, indicará si los beneficios de la IA están concentrando el liderazgo del mercado o ampliándose.

Preguntas Frecuentes

¿Qué significa la productividad de la IA para el trabajador de oficina promedio?

Las ganancias de productividad medibles de la IA actualmente se centran en aumentar tareas específicas de trabajadores del conocimiento, no en reemplazar roles. Por ejemplo, un analista de marketing podría usar IA para redactar resúmenes de rendimiento de campañas un 20% más rápido, liberando tiempo para la planificación estratégica. La transición refleja el impacto de las hojas de cálculo en la década de 1980, que automatizaron cálculos pero ampliaron los roles de análisis financiero. El efecto a corto plazo es un cambio en la composición de tareas diarias en lugar de un desplazamiento laboral generalizado en funciones que están viendo una adopción temprana.

¿Cómo se comparan estas ganancias de productividad de IA con el auge de Internet de la década de 1990?

La trayectoria de productividad inicial parece más lenta pero más dirigida que el auge de Internet de la década de 1990. El crecimiento de la productividad laboral promedió más del 2.5% anual desde 1996 hasta 2004 tras la adopción generalizada de TI en los negocios. Las ganancias actuales de la IA son más profundas en tareas específicas pero más limitadas en alcance. La ola de la década de 1990 mejoró la comunicación y el acceso a la información en todos los departamentos simultáneamente, mientras que la IA está demostrando una profunda eficiencia en funciones técnicas aisladas primero, sugiriendo un camino de difusión potencialmente más largo hacia un impacto en toda la economía.

¿Qué sectores están más rezagados en la captura de los beneficios de productividad de la IA?

Los sectores con salidas físicas no digitales y entornos regulatorios complejos muestran las menores ganancias de productividad medibles de IA en la actualidad. Esto incluye industrias pesadas, agricultura y atención médica fuera de funciones administrativas. Estas industrias enfrentan mayores costos de integración debido a infraestructuras heredadas y requisitos de cumplimiento estrictos. Sus ciclos de productividad dependen más de la robótica y la automatización física, que tienen plazos de implementación más largos que las herramientas de IA basadas en software.

Conclusión

La IA está proporcionando mejoras de productividad reales y cuantificables, pero su naturaleza concentrada retrasa un estallido de crecimiento macroeconómico.

Descargo de responsabilidad: Este artículo es solo para fines informativos y no constituye asesoramiento de inversión. El comercio de CFD conlleva un alto riesgo de pérdida de capital.